
Seaborn时间序列简介
Seaborn时间序列是一种特殊的数据类型,我们观察每一次的操作集合。我们记录的是每个观察的时间戳。这种数据类型是在讨论应用监控数据和股票价格时处理的。对于使用seaborn绘制时间序列图,我们需要设置数字大小并调整多个子图之间的填充。
主要启示
- seaborn ts plot是最近的模块版本中新增加的。当我们有时间戳数据可用时,就会用到它。
- 这个函数绘制时间序列数据,可以是一个数据框,也可以是一个N维数组。
Seaborn时间序列的概述
它只不过是我们可以设置测量的数据类型;每个观察值都包含其时间戳。时间图显示的是按时间变化的数值,就像x和y图一样。时间图只表示x轴的时间。x和y图只绘制x变量,如年龄、体重和身高。
这种图不包括像柱状图或饼状图那样的类别。时间序列图有助于按时间显示数据的进展情况。如果我们按奇数间隔来分析数据,这种图表类型是合适的。假设我们使用panda模块绘制时间图;pandas只不过是基于numpy的开源库。python模块提供多种数据结构和方法来处理统计数据。它因使分析和数据导入更容易而闻名。
如何使用Seaborn时间序列?
在使用它时,我们需要遵循以下步骤。同时,我们需要在代码中安装和导入seaborn模块:
- 首先,我们必须在我们的系统中下载并安装seaborn和matplotlib模块。
- 安装完模块后,我们必须使用import关键字导入同样的模块。
- 导入模块后,我们需要设置图的大小,并在多个图之间添加填充物。
- 在设置图表大小后,我们创建熊猫的数据框架,用于保存日期时间序列。
- 在创建了熊猫的数据框架后,我们要用这些数据制作海角线图。
- 在最后一步,我们将参数旋转45度,然后使用显示方法显示图形。
下面的例子显示了我们如何在图中使用seaborn时间序列,如下所示。我们在下面的例子中导入了seaborn、pandas、matplotlib和numpy模块。
代码
import seaborn as sns
from matplotlib import pyplot as plt
import pandas as pd
import numpy as np
plt.rcParams["figure.figsize"] = [5, 3]
plt.rcParams["figure.autolayout"] = True
plot = pd.DataFrame(
dict (
plot_time = list (pd.date_range ("2022-08-01 11:00:00", periods = 12, freq = "60min")),
plot_speed = np.linspace (1, 12, 12) ) )
ax = sns.lineplot (x = "plot_time", y = "plot_speed", data = plot)
ax.tick_params (rotation = 60)
plt.show()
输出

在下面的例子中,我们正在使用多个数据与绘图数据,如下所示。我们正在导入seaborn库。
代码
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
plot = pd.DataFrame ({"plot_date": ['05/03/2022', '10/02/2022', '19/04/2022', '24/07/2022'],
"plot_no": [47, 36, 68, 20]})
plt.figure (figsize = (5, 7))
sns.lineplot (x = 'plot_date', y = 'plot_no', data = plot)
plt.show ()
输出。

Seaborn时间序列图
绘图是用来显示按时间变化的数据值的。
下面的例子显示了单个时间序列图,如下所示。
代码
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
plot = pd.DataFrame ({"plot_date": ['10/05/2021', '15/05/2021', '20/05/2021', '25/05/2021'],
"plot_no": [37, 56, 78, 60]})
plt.figure (figsize = (5, 7))
sns.lineplot (x = 'plot_date', y = 'plot_no', data = plot)
plt.show()
输出

在下面的例子中,我们将自定义图形的颜色,我们将颜色添加为红色,并定义线宽和线条样式,如下所示。
代码
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
plot = pd.DataFrame ({"plot_date": ['10/05/2021', '15/05/2021', '20/05/2021', '25/05/2021'],
"plot_no": [37, 56, 78, 60]})
plt.figure (figsize = (5, 7))
sns.lineplot (x = 'plot_date', y = 'plot_no', data = plot, linewidth = 4, color = 'red', linestyle = 'dashed')
plt.show ()
输出

在下面的图中,我们正在绘制多个时间序列,如下所示。我们正在使用色调参数。
代码
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
plot = pd.DataFrame ({"plot_date": ['10/05/2021', '15/05/2021', '20/05/2021', '25/05/2021'],
"plot_no": [37, 56, 78, 60], "plot_no1": ['P', 'P', 'R', 'R']})
plt.figure (figsize = (5, 7))
sns.lineplot (x = 'plot_date', y = 'plot_no', hue = 'plot_no1', data = plot, linewidth = 4, color = 'red', )
plt.show ()
输出

Seaborn时间序列的例子
下面是提到的例子。
例子 #1
在下面的例子中,我们正在绘制单个时间序列,如下所示:
代码
import seaborn as sns
from matplotlib import pyplot as plt
import pandas as pd
import numpy as np
plt.rcParams ["figure.figsize"] = [5, 3]
plt.rcParams ["figure.autolayout"] = True
time_plot = pd.DataFrame (
dict (
plot_time = list (pd.date_range ("2022-08-05 10:00:00", periods = 8, freq = "45min")),
plot_speed = np.linspace (1, 8, 8) ) )
ax = sns.lineplot (x = "plot_time", y = "plot_speed", data = time_plot)
ax.tick_params (rotation = 60)
plt.show ()
输出

例子 #2
在下面的例子中,我们将两个时间序列绘制在一个图上,如下所示。我们正在使用两个序列:
代码
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
plot = pd.DataFrame ({"plot_date": ['10/010/2021', '15/10/2021', '20/10/2021', '25/10/2021'],
"stud_marks": [37, 56, 78, 60],
"stud_name": ['ABC', 'PQR', 'XYZ', 'MNP']})
plt.figure (figsize = (3, 3))
sns.lineplot (x = 'plot_date', y = 'stud_marks', hue = 'stud_name', data = plot, linewidth = 4, color = 'green', )
plt.show ()
输出

常见问题
下面是提到的常见问题:
Q1.seaborn时间序列在python中的用途是什么?
答:该数据类型用于通过使用seaborn和matplotlib库来绘制时间序列图。
该数据类型用于通过使用seaborn和matplotlib库来绘制时间序列图。
Q2.在绘制seaborn时间序列图的时候,我们需要使用哪些库?
答:我们需要使用seaborn和matplotlib库。
在绘制图形时,我们需要使用seaborn、matplotlib、numpy和pandas库。
Q3.什么是seaborn时间序列中的时间图?
解答
seaborn中的时间图将显示与时间有关的数值。它就像X和Y图,但它会显示X轴。
结论
它只不过是一种数据类型,我们可以在其中设置测量值,每个观测值都包含其时间戳。它是一种特殊的数据类型,我们根据时间来观察一组操作。我们正在记录每个观察值的时间戳。